一个新的人工智能工具可能使未来的疫苗免受变异影响

一款新型人工智能工具或可保障未來疫苗對抗變異的能力

一种名为EVEscape的人工智能工具可以预测病毒突变，从而指导COVID-19和下一次流行病的治疗。

该系统是在哈佛医学院和牛津大学开发的。在测试中，该工具准确预测了在流行期间出现的最令人关注和最常见的SARS-CoV-2病毒变异。

上周发表在《Nature》上的一项研究揭示了一系列有前途的结果。EVEscape的预测结果比实验方法更准确，同时比基于实验室的测试更快速和高效。该工具还成功地确定了难以抑制新变种的治疗方法。

这些预测已经开始影响疫情监测工作。研究人员已经连续一年多发布了对最令人关注的新SARS-CoV-2变异进行排名的信息。这些发现与世界卫生组织等机构共享。

“每个月仍在涌现出数千种新变种，实验测试的数量太多”，牛津大学研究员、该研究的合著者帕斯卡·诺丁告诉TNW。“EVEscape可以帮助我们迅速确定新变种的威胁程度。”

诺丁和他的同事还使用EVEscape成功预测了HIV和流感的突变。他们现在正在将该工具应用于可能引起流行病的其他不太为人所知的病毒，如尼帕和拉沙病毒。

在未来，研究人员设想EVEscape将对疫苗设计提供指导。目前，疫苗和治疗方法是根据以往的流行病变异进行回顾性测试的。

EVEscape可以对病毒可能发展的方向进行评估。这为强大的新疗法——抗变种疫苗带来了希望。

这种新工具基于一种名为EVE（Variant Effect的进化模型）的生成模型。

最初，EVE是为了预测导致人类疾病（如癌症）的遗传突变风险而开发的。当COVID-19表现出超越治疗范围的突变能力时，研究人员调整了他们的模型以适应SARS-CoV-2。

生成模型在这项工作中具有独特的优势。预测哪些变异会逃避免疫力的关键因素之一是它们是否能维持病毒蛋白的所谓“适应性”。适应性会导致功能蛋白的产生、折叠和与宿主细胞受体的结合。

“基于进化序列训练的生成模型在支持此类预测方面非常有帮助，”Nodin说。

为了进行预测，EVE被训练来学习某些蛋白序列的简明表示。这些序列在上千万年的进化过程中保持了其适应性。

“通过这样做，它必须隐式地学习支撑功能序列的生化约束，”Nodin解释道。“我们随后可以利用这种理解来预测蛋白的新突变形式（无论是人类还是病毒蛋白）本身是否功能。”

EVEscape的适应性源于其简单性。该工具仅学习由病毒蛋白序列和其结构组成的数据集。因此，它可以应用于任何病毒，并且可以在流行病的初始阶段就开始使用。

“这相对于通常需要等待相关流行病抗体广泛可用于测试的方法来说是一个巨大的改进，”Nodin说。

EVEscape的另一项优势是其模块化设计。当更强大的生成模型出现时，可以迅速替换当前的适应性预测模型。

COVID-19还拓宽了EVEscape的潜在用途。流行病为AI预测提供了重要的教训，以及大量的数据。借助这些丰富的信息，EVEscape可以对研究不足的病毒进行出人意料的准确预测，而我们对这些病毒的数据非常有限。这对未来的疫情爆发可能非常有价值。